随着数据来源方式的多样化发展,多视图聚类成为研究热点。大多数算法过于专注利用图结构寻求一致表示,却忽视了如何学习图结构本身;此外,一些方法通常基于固定视图进行算法优化。为了解决这些问题,提出了一种基于相似图投影学习的多视...随着数据来源方式的多样化发展,多视图聚类成为研究热点。大多数算法过于专注利用图结构寻求一致表示,却忽视了如何学习图结构本身;此外,一些方法通常基于固定视图进行算法优化。为了解决这些问题,提出了一种基于相似图投影学习的多视图聚类算法(multi-view clustering based on similarity graph projection learning, MCSGP),通过利用投影图有效地融合了全局结构信息和局部潜在信息到一个共识图中,而不仅是追求每个视图与共识图的一致性。通过在共识图矩阵的图拉普拉斯矩阵上施加秩约束,该算法能够自然地将数据点划分到所需数量的簇中。在两个人工数据集和七个真实数据集的实验中,MCSGP算法在人工数据集上的聚类效果表现出色,同时在涉及21个指标的真实数据集中,有17个指标达到了最优水平,从而充分证明了该算法的优越性能。展开更多
目的探讨凝视-面-臂-言语-时间(gaze-face-arm-speech-time,G-FAST)评分对院前急救卒中前循环大血管闭塞(large vessel occlusion in the anterior circulation,aLVO)的诊断价值。方法选取2019年7月至2020年12月北京急救中心直属5个分...目的探讨凝视-面-臂-言语-时间(gaze-face-arm-speech-time,G-FAST)评分对院前急救卒中前循环大血管闭塞(large vessel occlusion in the anterior circulation,aLVO)的诊断价值。方法选取2019年7月至2020年12月北京急救中心直属5个分中心送至宣武医院,且有完整院前G-FAST评分和入院诊断信息的卒中患者,根据缺血性卒中患者是否发生LVO分为LVO和非LVO组,采用ROC曲线分析G-FAST评分对院前卒中急救aLVO的诊断价值。结果纳入患者352例,其中急性缺血性卒中占比69.0%(243/352)。进行大血管评估的急性缺血性卒中患者149例,占急性缺血性卒中的61.3%(149/243);发生aLVO患者61例,占大血管病变评估的40.9%(61/149)、占急性缺血性卒中的25.1%(61/243)。149例大血管评估的急性缺血性卒中患者中,男100例,女49例;年龄18~93岁,平均70.5岁。与非aLVO组相比,aLVO组女性较多,G-FAST评分较高,差异均有统计学意义(P<0.05)。G-FAST≥3分患者的aLVO发生率显著高于G-FAST≤2分者(68.9%比31.1%),差异有统计学意义(P<0.05)。G-FAST评分诊断院前急救卒中aLVO的ROC曲线的AUC为0.675(95%CI:0.589~0.761,P=0.000),G-FAST的cut-off值为2.5分时,灵敏度为72.10%,特异度为58.00%。结论G-FAST评分在院前急救卒中可准确识别急性缺血性患者aLVO,早诊断aLVO将利于急性缺血性患者尽早送至高级别卒中中心。展开更多
文摘随着数据来源方式的多样化发展,多视图聚类成为研究热点。大多数算法过于专注利用图结构寻求一致表示,却忽视了如何学习图结构本身;此外,一些方法通常基于固定视图进行算法优化。为了解决这些问题,提出了一种基于相似图投影学习的多视图聚类算法(multi-view clustering based on similarity graph projection learning, MCSGP),通过利用投影图有效地融合了全局结构信息和局部潜在信息到一个共识图中,而不仅是追求每个视图与共识图的一致性。通过在共识图矩阵的图拉普拉斯矩阵上施加秩约束,该算法能够自然地将数据点划分到所需数量的簇中。在两个人工数据集和七个真实数据集的实验中,MCSGP算法在人工数据集上的聚类效果表现出色,同时在涉及21个指标的真实数据集中,有17个指标达到了最优水平,从而充分证明了该算法的优越性能。
文摘目的探讨凝视-面-臂-言语-时间(gaze-face-arm-speech-time,G-FAST)评分对院前急救卒中前循环大血管闭塞(large vessel occlusion in the anterior circulation,aLVO)的诊断价值。方法选取2019年7月至2020年12月北京急救中心直属5个分中心送至宣武医院,且有完整院前G-FAST评分和入院诊断信息的卒中患者,根据缺血性卒中患者是否发生LVO分为LVO和非LVO组,采用ROC曲线分析G-FAST评分对院前卒中急救aLVO的诊断价值。结果纳入患者352例,其中急性缺血性卒中占比69.0%(243/352)。进行大血管评估的急性缺血性卒中患者149例,占急性缺血性卒中的61.3%(149/243);发生aLVO患者61例,占大血管病变评估的40.9%(61/149)、占急性缺血性卒中的25.1%(61/243)。149例大血管评估的急性缺血性卒中患者中,男100例,女49例;年龄18~93岁,平均70.5岁。与非aLVO组相比,aLVO组女性较多,G-FAST评分较高,差异均有统计学意义(P<0.05)。G-FAST≥3分患者的aLVO发生率显著高于G-FAST≤2分者(68.9%比31.1%),差异有统计学意义(P<0.05)。G-FAST评分诊断院前急救卒中aLVO的ROC曲线的AUC为0.675(95%CI:0.589~0.761,P=0.000),G-FAST的cut-off值为2.5分时,灵敏度为72.10%,特异度为58.00%。结论G-FAST评分在院前急救卒中可准确识别急性缺血性患者aLVO,早诊断aLVO将利于急性缺血性患者尽早送至高级别卒中中心。